概括
本研究介绍了使用变化自编码器 (VAE) 进行光学网络的无监督硬件指纹认证. 该方法有效地识别了99%的准确度的流设备,即使使用未标记的数据.
科学领域:
- 光学通信的安全性
- 机器学习用于网络安全.
背景情况:
- 传统的物理层认证 (PLA) 需要大量的标记数据,这限制了其可扩展性.
- 光学网络面临着伪装攻击和主动注入攻击等威胁.
研究的目的:
- 为光学网络开发一个无监督的硬件指纹认证方法.
- 为了能够有效地识别流的光学发射器,而不依赖预先标记的数据集.
主要方法:
- 使用变化自编码器 (VAE) 进行无监督学习.
- 在未标记的光学光谱上通过变异推理生成的训练数据.
- 雇佣了一个特征提取器,训练在生成的三胞胎上进行概括.
主要成果:
- 在20公里的标准单模光纤传输后成功分类了8个光学发射器.
- 实现了99%的识别准确度和0%的错误报警率,即使使用多个流设备.
- 证明了与监督学习方法可比的性能.
结论:
- 拟议的无监督的基于VAE的PLA提供了一个可扩展和有效的解决方案,用于保护光学网络.
- 该方法具有强大的概括能力,允许对以前未知的发射器进行身份验证.
- 这种方法可以增强光学网络的安全性,防止复杂的攻击.


